Numba JitClass中二维数组预分配的报错问题及解决咨询

我看了你的代码和报错信息，问题其实不是二维数组的声明方式，而是数组类型不匹配！np.zeros()默认生成的是float64类型的数组，但你在spec里给array和foo_matrix指定的是float32和int32，Numba的jitclass对类型一致性要求特别严，这就导致了类型推断失败。

具体修复方法很简单： #

• 给np.zeros()加上dtype参数，显式指定和spec里一致的类型；
• 二维数组用元组(value, value)定义形状是没问题的，不用改这个。

修正后的完整代码： #

import numpy as np
from numba import int32, float32
from numba.experimental import jitclass

spec = [
    ('value', int32),
    ('array', float32[:]),
    ('foo_matrix', int32[:,:]),
]

@jitclass(spec)
class Bag(object):
    def __init__(self, value):
        self.value = value
        # 显式指定float32，匹配spec里的array类型
        self.array = np.zeros(value, dtype=np.float32)
        # 显式指定int32，匹配二维数组的spec定义
        self.foo_matrix = np.zeros((value, value), dtype=np.int32)

    @property
    def size(self):
        return self.array.size

    def increment(self, val):
        for i in range(self.size):
            self.array[i] = val
        return self.array

my_class = Bag(3)
# 可以加个测试输出验证
print("Array:", my_class.array)
print("Matrix:", my_class.foo_matrix)

再解释下报错的原因： #

Numba的jitclass是静态类型的，spec里声明的每个属性类型必须和实际赋值的变量完全对应。np.zeros()默认会生成float64类型的数组，而你在spec里用了float32和int32，这种类型不匹配直接触发了Numba的类型检查错误。你之前改二维数组的形状写法（元组/列表）其实不是问题，Numba对这两种写法都支持，核心还是类型没对齐。

内容的提问来源于stack exchange，提问作者Siderius